更改seaborn直方图（或plt）中数据选择条的颜色

Question

假设我有一个数据帧，如：

X2 = np.random.normal(10, 3, 200)
X3 = np.random.normal(34, 2, 200)

a = pd.DataFrame({"X3": X3, "X2":X2})

我正在做下面的绘图程序：

f, axes = plt.subplots(2, 2,  gridspec_kw={"height_ratios":(.10, .30)}, figsize = (13, 4))
for i, c in enumerate(a.columns):
    sns.boxplot(a[c], ax=axes[0,i])
    sns.distplot(a[c], ax = axes[1,i])
    axes[1, i].set(yticklabels=[])
    axes[1, i].set(xlabel='')
    axes[1, i].set(ylabel='')

plt.tight_layout()
plt.show()

这意味着：

现在，我希望能够在数据帧a上执行数据选择。比如说：

b = a[(a['X2'] <4)]

并在张贴的直方图中突出显示从b中选择的内容。例如，如果对于X3，b的第一行是[32:0]，对于X2，b的第一行是[0:5]，则期望的输出将是：

使用上述for循环和sns是否可以实现这一点？非常感谢！

编辑：我也很高兴matplotlib解决方案，如果更容易。

编辑2：

如果有帮助，则类似于执行以下操作：

b = a[(a['X3'] >38)]

f, axes = plt.subplots(2, 2,  gridspec_kw={"height_ratios":(.10, .30)}, figsize = (13, 4))

for i, c in enumerate(a.columns):
   sns.boxplot(a[c], ax=axes[0,i])
   sns.distplot(a[c], ax = axes[1,i])
   sns.distplot(b[c], ax = axes[1,i])

   axes[1, i].set(yticklabels=[])
   axes[1, i].set(xlabel='')
   axes[1, i].set(ylabel='')

plt.tight_layout()
plt.show()

其结果如下：

然而，我想能够只是颜色的第一个情节在不同的颜色这些酒吧！我还考虑将ylim设置为蓝色绘图的大小，这样橙色就不会扭曲蓝色分布的形状，但这仍然是不可行的，因为在现实中，我有大约10个直方图要显示，而设置ylim将与sharey=True几乎相同，这是我试图避免的，这样我就能显示出分布的真实形状。

Answer 1

我想我从前面的答案和这段视频中得到了灵感，找到了解决方案：

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

np.random.seed(2021)
X2 = np.random.normal(10, 3, 200)
X3 = np.random.normal(34, 2, 200)

a = pd.DataFrame({"X3": X3, "X2":X2})
b = a[(a['X3'] < 30)]


hist_idx=[]

for i, c in enumerate(a.columns):
    bin_ = np.histogram(a[c], bins=20)[1]
    hist = np.where(np.logical_and(bin_<=max(b[c]), bin_>min(b[c])))
    hist_idx.append(hist)
    

f, axes = plt.subplots(2, 2,  gridspec_kw={"height_ratios":(.10, .30)}, figsize = (13, 4))

for i, c in enumerate(a.columns):
    sns.boxplot(a[c], ax=axes[0,i])
    axes[1, i].hist(a[c], bins = 20)
    axes[1, i].set(yticklabels=[])
    axes[1, i].set(xlabel='')
    axes[1, i].set(ylabel='')
    
for it, index in enumerate(hist_idx):
    lenght = len(index[0])
    for r in range(lenght):
        try:
            axes[1, it].patches[index[0][r]-1].set_fc("red")
        except:
            pass 


plt.tight_layout()
plt.show()

对于b=a[（a['X3']

我想我会把它留在这里——虽然利基，可能会在将来帮助别人！

Answer 2

我创建下面的代码是为了理解您的问题的目的是根据在特定条件下提取的数据向直方图添加不同的颜色。使用np。histogram（）获取频率数组和存储箱数组。获取与针对特定条件提取的第一行数据的值最接近的值的索引。使用检索到的索引更改直方图的颜色。同样的方法也可用于处理其他图形。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

np.random.seed(2021)
X2 = np.random.normal(10, 3, 200)
X3 = np.random.normal(34, 2, 200)

a = pd.DataFrame({"X3": X3, "X2":X2})

f, axes = plt.subplots(2, 2,  gridspec_kw={"height_ratios":(.10, .30)}, figsize = (13, 4))
for i, c in enumerate(a.columns):
    sns.boxplot(a[c], ax=axes[0,i])
    sns.distplot(a[c], ax = axes[1,i])
    axes[1, i].set(yticklabels=[])
    axes[1, i].set(xlabel='')
    axes[1, i].set(ylabel='')

b = a[(a['X2'] <4)]
hist3, bins3 = np.histogram(X3)
idx = np.abs(np.asarray(hist3) - b['X3'].head(1).values[0]).argmin()

for k in range(idx):
    axes[1,0].get_children()[k].set_color("red")

plt.tight_layout()
plt.show()